Creencias, actitudes y valores hacia el cambio climático

---
title: "Creencias, actitudes y valores hacia el cambio climático"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    vertical_layout: fill
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}
# Establecer el espejo de CRAN
options(repos = c(CRAN = "https://cran.rstudio.com/"))

# Instalar y cargar librerías necesarias
if (!requireNamespace("flexdashboard", quietly = TRUE)) {
  install.packages("flexdashboard")
}
if (!requireNamespace("tidyverse", quietly = TRUE)) {
  install.packages("tidyverse")
}
if (!requireNamespace("plotly", quietly = TRUE)) {
  install.packages("plotly")
}
if (!requireNamespace("rnaturalearth", quietly = TRUE)) {
  install.packages("rnaturalearth")
}
if (!requireNamespace("rnaturalearthdata", quietly = TRUE)) {
  install.packages("rnaturalearthdata")
}
if (!requireNamespace("leaflet", quietly = TRUE)) {
  install.packages("leaflet")
}

library(flexdashboard)
library(tidyverse)
library(plotly)
library(rnaturalearth)
library(rnaturalearthdata)
library(leaflet)
library(dplyr)
library(sf)

# Ajustar opciones globales de knitr para suprimir mensajes y avisos
knitr::opts_chunk$set(
  message = FALSE,
  warning = FALSE
)

# Establecer el directorio de trabajo de forma persistente
knitr::opts_knit$set(root.dir = "C:/Users/Iuliu/Documents/PROYECTOCD")
```
```{r load-data}
# Leer el archivo CSV desde la subcarpeta '1_Datos'
datos <- read_csv("1_Datos/3_Datos_depurados.csv")

# Leer el archivo CSV desde la subcarpeta '1_Datos'
datos <- read_csv("1_Datos/3_Datos_depurados.csv", col_types = cols(
  cntry = col_character(),
  ccnthum = col_character(),
  ccrdprs = col_character(),
  wrclmch = col_character(),
  gndr = col_character(),
  agea = col_double(),
  eisced = col_character(),
  impricha = col_character(),
  ipeqopta = col_character(),
  ipmodsta = col_character(),
  impfuna = col_character(),
  impenva = col_character(),
  age_group = col_character(),
  region = col_character(),
  education_level = col_character(),
  wrclmch_segmented = col_character(),
  ccrdprs_segmented = col_character()
), show_col_types = FALSE)

# Convertir columnas a factores
datos <- datos %>%
  mutate(
    gndr = factor(gndr, levels = c("Hombre", "Mujer")),
    wrclmch_segmented = factor(wrclmch_segmented, levels = c("Bajo", "Medio", "Alto")),
    ccrdprs_segmented = factor(ccrdprs_segmented, levels = c("Bajo", "Medio", "Alto")),
    age_group = factor(age_group, levels = c("Juventud", "Juventud Adulta", "Adultez", "Madurez", "3a Edad", "4a Edad")),
    region = factor(region, levels = c("Nord Oeste", "Nord Este", "Nord Europa", "Centro Europa", "Sud Este")),
    education_level = factor(education_level, levels = c("Bajo", "Medio", "Alto"))
  )

# Filtrar datos eliminando la opción de "No creo que el cambio climatico este ocurriendo" y valores NA
filtered_data <- datos %>% 
  filter(ccnthum != "No creo que el cambio climatico este ocurriendo" & 
         !is.na(wrclmch_segmented) & 
         !is.na(ccrdprs_segmented) & 
         !is.na(age_group) & 
         !is.na(education_level) & 
         !is.na(gndr))

# Verificar la estructura de los datos
glimpse(datos)

```

Page 1
=====================================

Row {data-height=50}
-----------------------------------------------------------------------

### Edad media

```{r}
edad_media <- mean(datos$agea, na.rm = TRUE)
valueBox(round(edad_media, 1), "Media de Edad", icon = "fa-users", color = "#AFEEEE")
```
### Nivel de preocupación general por el cambio climático
```{r}
preocupacion_mas_frecuente <- names(sort(table(datos$wrclmch), decreasing = TRUE))[1]
valueBox(preocupacion_mas_frecuente, "Preocupación más frecuente por el cambio climático", icon = "fa-leaf", color = "#AFEEEE")
```
### Nivel de responsabilidad hacia la reducción del cambio climático
```{r}
responsabilidad_mas_frecuente <- names(sort(table(datos$ccrdprs_segmented), decreasing = TRUE))[1]
valueBox(responsabilidad_mas_frecuente, "Nivel de responsabilidad personal general para reducir el cambio climático", icon = "fa-hand-paper", color = "#AFEEEE")
```

Row {data-height=50}
-----------------------------------------------------------------------

### Distribución por Género


```{r}

data_genero <- datos %>%
  count(gndr) %>%
  mutate(percentage = n / sum(n) * 100)

plot_ly(data_genero, labels = ~gndr, values = ~percentage, type = 'pie', 
        textinfo = 'label+percent', insidetextorientation = 'radial',
        marker = list(colors = c('#B0C4DE', '#D8BFD8')))
```

### Distribución por Nivel de Educación

```{r}

data_educacion <- datos %>%
  count(education_level) %>%
  mutate(percentage = n / sum(n) * 100)

plot_ly(data_educacion, labels = ~education_level, values = ~percentage, type = 'pie', 
        textinfo = 'label+percent', insidetextorientation = 'radial',
        marker = list(colors = c('#ADD8E6', '#87CEFA', '#4682B4')))

```
Page 2
=====================================

Row {data-height=50%}
-------------------------------------

Column {data-width=50%}
-------------------------------------

### Creencia sobre la Causa del Cambio Climático y Nivel de Preocupación por el Cambio Climático

```{r}

filtered_data <- datos %>% 
  filter(ccnthum != "No creo que el cambio climatico este ocurriendo" & !is.na(wrclmch_segmented))


p1 <- ggplot(filtered_data, aes(x = ccnthum, fill = factor(wrclmch_segmented, levels = c("Bajo", "Medio", "Alto")))) +
  geom_bar(position = "stack", stat = "count") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(size = 20, face = "bold")) +  # Ajusta el tamaño y grosor del título
  labs(x = "Creencia sobre la Causa del Cambio Climatico", y = "Conteo", fill = "Nivel de Preocupación") +
  scale_fill_manual(values = c("Bajo" = "#a1dab4", "Medio" = "#41b6c4", "Alto" = "#2c7fb8"))

ggplotly(p1)


```


### Creencia sobre la Causa del Cambio Climático y Nivel de Responsabilidad Personal para reducirlo
```{r}

p2 <- ggplot(filtered_data, aes(x = ccnthum, fill = factor(ccrdprs_segmented, levels = c("Bajo", "Medio", "Alto")))) +
  geom_bar(position = "stack", stat = "count") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(size = 20, face = "bold")) +  # Ajusta el tamaño y grosor del título
  labs(x = "Creencias sobre la Causa del Cambio Climatico", y = "Conteo", fill = "Nivel de Responsabilidad") +
  scale_fill_manual(values = c("Bajo" = "#fbb4b9", "Medio" = "#f768a1", "Alto" = "#ae017e"))

ggplotly(p2)

```
Row {data-height=50%}
-------------------------------------

Column {data-width=50%}
-------------------------------------

### Creencia sobre las Causas del Cambio Climático y Grupos de Edad

```{r}
# Filtrar los datos para eliminar los NA en age_group y ccnthum
filtered_data <- filtered_data %>%
  filter(!is.na(age_group) & !is.na(ccnthum))

# Ordenar los niveles de la variable ccnthum para que la leyenda esté ordenada
filtered_data <- filtered_data %>%
  mutate(ccnthum = factor(ccnthum, levels = c("Completamente humano", "Principalmente humano", "Igualmente natural y humano", "Principalmente natural", "Procesos naturales")))

# Crear el gráfico interactivo con plotly
p3 <- ggplot(filtered_data, aes(x = age_group, fill = ccnthum)) +
  geom_bar(position = "stack", stat = "count") +
  theme_minimal() +
  theme(plot.title = element_text(size = 20, face = "bold"),
        axis.text.x = element_text(angle = 90, hjust = 1)) +  # Poner las etiquetas verticales
  labs(x = "Grupo de Edad", y = "Conteo", fill = "Creencia sobre la Causa del Cambio Climatico") +
  scale_fill_manual(values = c("Completamente humano" = "#d73027", 
                                "Principalmente humano" = "#fc8d59", 
                                "Igualmente natural y humano" = "#fee08b", 
                                "Principalmente natural" = "#d9ef8b", 
                                "Procesos naturales" = "#1a9850"))

ggplotly(p3)
```

### Nivel de Responsabilidad Personal para reducir el cambio climático y Nivel de Educación
```{r}

p4 <- ggplot(filtered_data, aes(x = education_level, fill = factor(ccrdprs_segmented, levels = c("Bajo", "Medio", "Alto")))) +
  geom_bar(position = "stack", stat = "count") +
  theme_minimal() +
  theme(plot.title = element_text(size = 20, face = "bold")) +  # Ajusta el tamaño y grosor del título
  labs(x = "Nivel de Educacion", y = "Conteo", fill = "Nivel de Responsabilidad") +
  scale_fill_manual(values = c("Bajo" = "#fbb4b9", "Medio" = "#f768a1", "Alto" = "#ae017e"))

ggplotly(p4)

```

Page 3
=====================================
Row {data-height=50%}
-------------------------------------

Column {data-width=50%}
-------------------------------------
### Nivel de Responsabilidad Personal para reducir el cambio climático por Género
```{r}

p5 <- ggplot(filtered_data, aes(x = gndr, fill = factor(ccrdprs_segmented, levels = c("Bajo", "Medio", "Alto")))) +
  geom_bar(position = "stack", stat = "count") +
  theme_minimal() +
  theme(plot.title = element_text(size = 20, face = "bold")) +  # Ajusta el tamaño y grosor del título
  labs(x = "Genero", y = "Conteo", fill = "Nivel de Responsabilidad") +
  scale_fill_manual(values = c("Bajo" = "#fbb4b9", "Medio" = "#f768a1", "Alto" = "#ae017e"))


ggplotly(p5)


```

Row {data-height=50%}
-------------------------------------

Column {data-width=50%}
-------------------------------------

### Importancia de Ser Rico y Nivel de Responsabilidad personal para reducir el cambio climático

```{r}
 archivo <- "1_Datos/3_Datos_depurados.csv"
filtered_data <- read_csv(archivo, col_types = cols(
  cntry = col_character(),
  ccnthum = col_character(),
  ccrdprs = col_double(),
  wrclmch = col_character(),
  gndr = col_factor(levels = c("Hombre", "Mujer")),
  agea = col_double(),
  eisced = col_character(),
  impricha = col_character(),
  ipeqopta = col_character(),
  ipmodsta = col_character(),
  impfuna = col_character(),
  impenva = col_character(),
  age_group = col_factor(levels = c("Juventud", "Juventud Adulta", "Adultez", "Madurez", "3a Edad", "4a Edad")),
  region = col_factor(levels = c("Nord Oeste", "Nord Este", "Nord Europa", "Centro Europa", "Sud Este")),
  education_level = col_factor(levels = c("Bajo", "Medio", "Alto")),
  wrclmch_segmented = col_factor(levels = c("Bajo", "Medio", "Alto")),
  ccrdprs_segmented = col_factor(levels = c("Bajo", "Medio", "Alto"))
))


# Colores representativos para cada valor social
valores_colores <- c(
  "impricha" = "#FFD700", # Amarillo para Importancia de Ser Rico
  "ipeqopta" = "#1f78b4", # Azul para Igualdad y Oportunidades
  "ipmodsta" = "#dda0dd", # Morado Claro para Modestia
  "impfuna" = "#66c2a5",  # Verde para Cuidado del Medio Ambiente
  "impenva" = "#fb9a99"  # Rosita para Búsqueda de Diversión
)

# Crear una lista para almacenar los gráficos
boxplot_list <- list()

# Generar gráficos de boxplot por cada valor social
for (valor in names(valores_colores)) {
  p <- ggplot(filtered_data, aes_string(x = valor, y = "ccrdprs_segmented", fill = valor)) +
    geom_boxplot() +
    scale_fill_manual(values = valores_colores[valor]) +
    labs(x = "Valor Social", y = "Responsabilidad Personal", fill = valor) +
    theme_minimal() +
    theme(axis.text.x = element_text(angle = 45, hjust = 1))
  
  boxplot_list[[valor]] <- p
}

# Combinar todos los gráficos en uno solo
gridExtra::grid.arrange(grobs = boxplot_list, ncol = 2)

```

Column {data-width=50%}
-------------------------------------
### Igualdad y Oportunidades y Nivel de Responsabilidad personal para reducir el cambio climático
```{r}
ggplot(filtered_data, aes(x = ipeqopta, y = as.numeric(ccrdprs), fill = "Igualdad y Oportunidades")) +
  geom_boxplot() +
  theme_minimal() +
  labs(x = "Igualdad y Oportunidades", y = "Responsabilidad Personal") +
  scale_fill_manual(values = c("Igualdad y Oportunidades" = "#4682B4")) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1), 
        plot.title = element_text(size = 14, face = "bold"))


```
Column {data-width=50%}
-------------------------------------
### Modestia y Nivel de Responsabilidad personal para reducir el cambio climático
```{r}
ggplot(filtered_data, aes(x = ipmodsta, y = as.numeric(ccrdprs), fill = "Modestia")) +
  geom_boxplot() +
  theme_minimal() +
  labs(x = "Modestia", y = "Responsabilidad Personal") +
  scale_fill_manual(values = c("Modestia" = "#32CD32")) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1), 
        plot.title = element_text(size = 14, face = "bold"))

```
Column {data-width=50%}
-------------------------------------
### Modestia y Nivel de Responsabilidad personal para reducir el cambio climático

```{r}

ggplot(filtered_data, aes(x = impfuna, y = as.numeric(ccrdprs), fill = "Cuidado del Medio Ambiente")) +
  geom_boxplot() +
  theme_minimal() +
  labs(x = "Cuidado del Medio Ambiente", y = "Responsabilidad Personal") +
  scale_fill_manual(values = c("Cuidado del Medio Ambiente" = "#FFD700")) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1), 
        plot.title = element_text(size = 14, face = "bold"))

```


Page 4
=====================================
Row {data-height=50%}
-------------------------------------

Column {data-width=50%}
-------------------------------------
### Nivel de Responsabilidad Personal para reducir el cambio climático por país

```{r}

# Filtrar y preparar los datos
responsabilidad_pais <- datos %>%
  filter(!is.na(ccrdprs)) %>%
  group_by(cntry) %>%
  summarize(mean_responsibility = mean(as.numeric(ccrdprs), na.rm = TRUE))

# Obtener los datos geoespaciales de los países de Europa
europe <- ne_countries(continent = "Europe", scale = "medium", returnclass = "sf")

# Unir los datos de responsabilidad personal con los datos geoespaciales
europe_data <- left_join(europe, responsabilidad_pais, by = c("iso_a2" = "cntry"))

# Crear una paleta de colores personalizada
color_palette <- colorBin(palette = c("#fbb4b9", "#f768a1", "#ae017e"), domain = europe_data$mean_responsibility, bins = 5)

# Crear el mapa interactivo
leaflet(europe_data) %>%
  addTiles() %>%
  addPolygons(
    fillColor = ~color_palette(mean_responsibility),
    weight = 1,
    opacity = 1,
    color = "white",
    dashArray = "3",
    fillOpacity = 0.7,
    highlightOptions = highlightOptions(
      weight = 5,
      color = "#666",
      dashArray = "",
      fillOpacity = 0.7,
      bringToFront = TRUE
    ),
    label = ~paste(name, "<br>", "Responsabilidad: ", round(mean_responsibility, 2)),
    labelOptions = labelOptions(
      style = list("font-weight" = "normal", padding = "3px 8px"),
      textsize = "15px",
      direction = "auto"
    )
  ) %>%
  addLegend(
    pal = color_palette,
    values = ~mean_responsibility,
    opacity = 0.7,
    title = "Nivel de Responsabilidad",
    position = "bottomright"
  )

```